HDU6024 Building Shops(DP)

本文介绍了一种使用动态规划解决特定问题的方法,即在一系列教室中选择最优位置建造糖果屋,使得总成本最低。通过定义状态转移方程,实现了一个高效的求解方案。

题目链接

题意:

要在N个教室中的一些建造糖果屋,花费为在该教室建造的花费+其右侧未建造糖果的教室到该教室的距离

分析:

直接DP,d[i]表示在该点建造糖果屋的情况下[i..n]所有教室的最小花费

代码:

#define inf 0x3f3f3f3f3f3f3f3f
#define maxn 3007
ll n, a[maxn], c[maxn];
ll b[maxn], d[maxn];
ll work(int x) {
    if (d[x] != -1) return d[x];
    if (x == n) return d[x] = 0;
    d[x] = inf;
    ll cost = b[c[x]];
    for (int j = x + 1; j <= n; j++) {
        d[x] = min(d[x], work(j) + cost);
        cost += 0ll + a[c[j]] - a[c[x]];
    }
    return d[x];
}
int cmp(int i, int j) {
    return a[i] < a[j];
}
int main()
{
    while (~scanf("%lld", &n)) {
        for (int i = 0; i < n; i++) {
            scanf("%lld%lld", &a[i], &b[i]);
            c[i] = i;
        }
        memset(d, -1, sizeof d);
        sort(c, c + n, cmp);
        work(0);
        printf("%lld\n", d[0]);
    }
}
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值